Acceso usuarios
CN.20.1508.2034070, China
Con el rápido desarrollo de las tecnologías de la información y la adopción generalizada de la banda ancha doméstica y las redes móviles de alta velocidad, la educación en línea se ha vuelto esencial, especialmente durante la pandemia de COVID-19. Sin embargo, el descuido de la educación física en línea ha provocado un descenso en la condición física de los estudiantes. Si bien la familiaridad con el aprendizaje en línea ha aumentado, existen mayores expectativas respecto a que los docentes se involucren con el estado emocional de los estudiantes y adapten sus métodos en consecuencia. Los sistemas en línea actuales suelen centrarse en la interacción con el conocimiento, descuidando la conexión emocional, lo que resulta en una importante «carencia emocional». Este artículo propone un modelo de enseñanza en línea con retroalimentación emocional mediante tecnología de reconocimiento de expresiones, que permite a los docentes monitorear el estado emocional de los estudiantes y adaptar sus estrategias de enseñanza. Al implementar un módulo de reconocimiento de emociones basado en redes neuronales convolucionales, podemos clasificar con precisión las emociones de aprendizaje de los estudiantes. La eficacia de este módulo se probó mediante un experimento de enseñanza en línea a nivel nacional, demostrando una alta precisión y un gran valor práctico para abordar el problema de la desconexión emocional en la educación en línea.
With the rapid development of information technology and the widespread adoption of home broadband and high-speed mobile networks, online education has become essential, especially during the COVID-19 pandemic. However, the neglect of physical education online has led to a decline in students' physical fitness. While familiarity with online learning has increased, there are higher expectations for teachers to engage with students' learning states and adjust their methods accordingly. Current online systems often focus on knowledge interaction, overlooking emotional engagement, which results in a significant "emotional lack." This paper proposes an online teaching model with emotional feedback using expression recognition technology, allowing teachers to monitor students' emotional states and adapt their teaching strategies. By implementing a convolutional neural network-based emotion recognition module, we can accurately classify students' learning emotions. The effectiveness of this module was tested through a nationwide online teaching experiment, showing high accuracy and practical value in addressing the issue of emotional disconnect in online education.
